MétaCan
Menu
Retour à la cohorte
Enregistrement W7116965604 · doi:10.5539/jel.v15n3p90

Development of Academic Leadership Competency Model of Elementary School Teachers in Rural Area in Hubei Province

2025· article· W7116965604 sur OpenAlexvenueno aff
Winiranee Thasanathep, Suchart Homjan

Notice bibliographique

RevueJournal of Education and Learning · 2025
Typearticle
Langue
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRural areaAcademic achievementEducational leadershipAcademic yearIdeal (ethics)School teachersLeadership style

Résumé

récupéré en direct d'OpenAlex

This study focused on elementary school teachers in rural area in Hubei Province, aiming to study the key components of academic leadership, to investigate the current state, ideal state, and the needs of academic leadership, to develop and verify the effectiveness of the model for enhancing academic leadership, and to investigate the results of implementing the model for enhancing academic leadership. The research was divided into four phases. The first phase examined key components of performance indicators of elementary school teachers in rural area in Hubei Province through a literature review and conducted semi-structured interviews with experts. The second phase investigated the current state, the ideal state, and the needs of academic leadership. The samples consisted of 320 teachers from elementary school in rural area in Hubei Province, selected through stratified random sampling. In the third phase, the model for enhancing academic leadership was developed through best practice interviews, and the manual was written. This model and manual were verified by nine experts in terms of possibility, appropriacy, accuracy, comprehensiveness, and usability. Moreover, the fourth phase implemented the model for enhancing academic leadership of elementary school teachers in rural area in Hubei Province with 30 teachers, selected through purposive sampling. The assessment of academic leadership of teachers was conducted using a pre-test and a post-test for assessing knowledge, and using evaluation forms for assessing the skill of the academic leadership and satisfaction. The results were as follows: 1) The results identified three key components of academic leadership which consisted of teaching leadership, charismatic leadership, and team leadership. 2) The overall current state was at a moderate level; the ideal state was at a high level. The needs analysis highlighted teaching leadership as the most needed, while the analysis indicated that charismatic leadership was the least needed. 3) The development of the model for enhancing academic leadership included five parts: Part 1 was the lead section; Part 2 was structural drafting; Part 3 was experimental implementation to compare implementation results; Part 4 was evaluation; and Part 5 was success conditions. The overall quality assessment of the model was at a high level. 4) The results of implementation of the model for enhancing academic leadership indicated that there was a statistically significant difference in terms of knowledge. A comparison of pre-test and post-test scores revealed a higher average score after the training. In terms of the skills of the academic leadership, teachers self-assessed their skills at a high level, while their administrator assessed the teachers’ skills at the highest level. Regarding satisfaction, teachers expressed the highest level of satisfaction towards the training.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,077
Tête enseignante GPT0,369
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetCompetency Development and EvaluationTravaux en français237 207